核心功能: 本技能提供、排名提升、搜索流量优化时使用、、关键词分析、排名提升、搜索流量优化时使用等能力。
核心功能: 本技能提供中文交互、化工作流场景等能力。
核心功能: 本技能提供穷尽式多源调研等能力。
深度研究引擎
参数说明
| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| input | string | 是 | 深度研究引擎处理的输入数据或指令 |
| options | object | 否 | 附加配置选项,如模式选择、格式偏好等 |
| callback_url | string | 否 | 异步处理完成后的回调通知URL |
付费版进阶功能
| 能力 | 免费版 | 付费版 |
|---|---|---|
| 基础功能 | 支持 | 支持 |
| 深度研究引擎来源评估 | 不支持 | 支持 |
| 多源数据聚合与去重 | 不支持 | 支持 |
| 语义搜索与智能摘要 | 不支持 | 支持 |
| 定时监控与变化推送 | 不支持 | 支持 |
| 研究结论结构化导出 | 不支持 | 支持 |
依赖与配置
运行环境
- Agent平台: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
- 操作系统: Windows / macOS / Linux
依赖项
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|---|---|---|---|
| LLM API | API | 必需 | 由Agent内置LLM提供 |
API Key 配置
需要配置对应API Key,详见上文环境配置章节
可用性分类
- 分类: MD+EXEC()
API Key配置方式:
export API_KEY="${API_KEY:?请设置环境变量}"
配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.
功能能力
1. 研究范围界定
搜索前明确以下要素:
- 需要回答的确切问题是什么?
- 需要的深度级别?(概览 / 彻底 / 穷尽)
- 这将支持什么决策?
- 时间/精力预算?
将模糊问题重构为具体、可回答的查询.
2. 多向量搜索
多维度搜索方法:
- 从宽到窄逐步聚焦
- 多搜索引擎/多信息源并行
- 追踪引用链(从二手到一手来源)
- 主动寻找对立观点
- 跟踪每个来源,不遗漏未标注信息
3. 来源可信度五维评估
对每个来源评估:
- 权威性:谁写的?什么资质?
- 时效性:何时发布?仍然有效?
- 证据性:主张有数据支撑?
- 偏见性:有任何议程或利益冲突?
- 佐证性:其他来源是否确认?
标记低可信度来源,据此加权发现.
4. 迭代深化
研究是迭代的:
- 初始发现揭示新问题
- 跟踪有前景的线索
- 填补已识别的空白
- 停止条件:答案清晰、收益递减、预算耗尽
记录停止决策及原因.
5. 矛盾调和与综合
合并发现时:
- 明确调和矛盾点
- 按来源质量加权
- 标注置信度水平
- 识别剩余未知项
6. 研究文档化
研究过程同样重要:
- 咨询的来源(含链接)
- 使用的搜索查询
- 某些来源被加权更高的原因
- 未找到的内容(空白)
7. 三种交付格式
- 执行摘要:BLUF(结论先行)+ 关键发现 + 置信度
- 学术:完整方法论 + 引用
- 工作文档:所有发现供后续工作
深度级别
| 级别 | 时间投入 | 来源数量 | 适用场景 |
|---|---|---|---|
| Quick | 5-10分钟 | 3-5 | 简单事实问题 |
| Standard | 30-60分钟 | 8-15 | 大多数研究请求 |
| Thorough | 2-4小时 | 20-30 | 重要决策 |
| Exhaustive | 数天 | 50+ | 关键高风险决策 |
开始前确认深度级别,发现需要调整时及时沟通.
默认输出格式
DEEP RESEARCH: [主题]
# ...
ANSWER
[问题的直接回答 — 2-3句]
# ...
CONFIDENCE: [High/Medium/Low] — [原因]
# ...
KEY FINDINGS
- [发现1] — [来源]
- [发现2] — [来源]
- [发现3] — [来源]
# ...
CAVEATS
- [重要限制或不确定性]
# ...
GAPS
- [无法确定的内容]
# ...
SOURCES ([数量])
[带可信度标注的编号列表]
# ...
METHODOLOGY
[简要:搜索了什么,如何评估来源]
使用说明
- Scope:界定问题、深度级别、决策目标
- Search:多向量搜索,跟踪引用链
- Evaluate:五维评估每个来源
- Deepen:迭代深化,填补空白
- Synthesize:调和矛盾,标注置信度
- Document:记录来源链和搜索过程
- Deliver:按需求格式交付
实际示例
示例1:技术选型研究
输入: "对比数据库和MongoDB用于电商订单系统,深度: Standard"
Scope: 问题=关系型vs文档型在电商场景的优劣 | 深度=Standard(30-60min, 8-15源)
Search: 官方文档+性能基准+电商案例+社区讨论
Evaluate: 官方文档权威性高,社区讨论需佐证
Synthesize:
ANSWER: 数据库更适合电商订单系统,事务一致性需求优先于灵活schema
CONFIDENCE: High — 多个生产案例佐证
KEY FINDINGS:
- 订单需ACID事务(数据库原生支持)— pg官方文档
- MongoDB 4.0+支持事务但性能开销更大 — 基准测试论文
- 电商场景join查询频繁(数据库优化更好)— 3个生产案例
GAPS: 超大规模(10亿+订单)的分片对比数据不足
示例2:事实核查
输入: "验证'某框架比传统方案快10倍'的说法"
Search: 官方基准报告+独立测试+社区复现
Evaluate: 官方报告由框架作者发布(偏见性高),独立测试仅1篇
Synthesize:
ANSWER: "快10倍"说法仅在特定场景(简单CRUD)成立,复杂查询场景优势缩小至2-3倍
CONFIDENCE: Medium — 独立验证不足
CAVEATS: 基准测试场景选择性偏差,生产环境表现可能不同
GAPS: 缺少第三方大规模生产环境数据
示例3:市场趋势研究
输入: "2026年边缘计算在企业采用的趋势,深度: Thorough"
Scope: 问题=边缘计算企业采用趋势 | 深度=Thorough(2-4h, 20-30源)
Search: 行业报告+厂商白皮书+企业案例+分析师预测
Evaluate: 厂商白皮书偏见性高(利益冲突),分析师报告需交叉验证
Synthesize:
ANSWER: 边缘计算企业采用率从2024年的35%增长至2026年预计55%,主要驱动力为IoT和低延迟需求
CONFIDENCE: Medium-High — 多个独立报告趋同
GAPS: 中小企业采用数据不足,现有报告偏重大企业
错误恢复策略
| 错误场景 | 原因 | 处理方式 |
|---|---|---|
| 搜索结果全部来自同一来源 | 信息茧房或搜索策略单一 | 强制使用不同搜索引擎,追踪引用链到一手来源,主动搜索对立观点 |
| 来源间严重矛盾无法调和 | 信息不对称或利益方故意误导 | 按五维评估加权,标注矛盾点和各方立场,明确哪个来源更可信及原因 |
| 深度级别与时间预算冲突 | Thorough/Exhaustive需要大量时间 | 与用户确认优先级,可先交付Standard级别初步发现,标注"需进一步深化的领域" |
| 关键信息完全找不到 | 研究领域新颖或信息被刻意隐藏 | 在GAPS章节明确标注"无法确定",不编造信息,建议替代信息源或专家咨询 |
| 来源时效性过期 | 技术领域快速变化,旧资料误导 | 检查发布日期,优先2年内来源,标注"此信息可能已过时"并寻找最新更新 |
| 置信度过低无法支持决策 | 证据不足或矛盾严重 | 明确告知用户当前置信度不足以支持决策,列出还需哪些信息才能提升置信度 |
常见疑问汇编
Q1: 深度研究的Quick和Standard级别有什么实际区别?
Quick(5-10分钟,3-5来源)适合简单事实确认,如"某API的速率限制是多少"。Standard(30-60分钟,8-15来源)适合需要多角度验证的常规研究,如"某技术的优缺点"。Quick通常1-2轮搜索即可,Standard需要3-5轮迭代深化,包括追踪引用链和交叉验证.
Q2: 五维评估中哪个维度最重要?
取决于研究主题。技术类研究时效性最重要(过时信息有害),学术类研究权威性和证据性最重要,争议性话题偏见性最重要。通用建议:先看偏见性(排除利益相关方),再看权威性和证据性(筛选可信信息),最后看时效性和佐证性(验证当前有效性).
Q3: 来源间矛盾时如何决定相信谁?
不简单"选边站",而是:1)检查各方利益冲突(谁可能从特定结论中获益);2)比较证据质量(有数据vs仅观点);3)看独立佐证数量(多个独立来源支持的结论更可信);4)在输出中明确标注矛盾和各方立场,让用户了解不确定性。如果一方有明显利益冲突且缺乏独立佐证,可降低其权重.
Q4: 研究何时应该停止?
三个停止条件:1)答案已清晰——多个高质量来源一致支持同一结论;2)收益递减——新搜索不再产生新信息,反复出现相同结论;3)预算耗尽——时间/精力预算用完。无论哪个条件触发,都应记录停止决策和原因。如果因预算耗尽停止但答案不清晰,在GAPS章节明确标注.
Q5: BLUF(结论先行)为什么是默认输出格式?
BLUF(Bottom Line Up Front)将直接答案放在最前面,适合决策者快速获取结论。后续的KEY FINDINGS、CAVEATS、GAPS提供支撑细节。这与学术格式(方法→分析→结论)相反,但更适合时间有限的决策场景。如果用户需要学术格式,明确切换为完整方法论+引用格式.
Q6: 如何处理"未找到的内容"(GAPS)?
GAPS是研究透明度的关键——明确标注哪些问题无法回答、哪些信息不存在。这比编造答案更有价值。GAPS应具体说明:缺少什么信息、为什么找不到(领域太新/信息被隐藏/没有公开数据)、获取这些信息需要什么(专家咨询/付费报告/实地调研)。GAPS帮助用户理解研究的边界和局限性.
限制条件
- 研究质量受信息源可访问性限制
- 付费墙后的学术/行业报告可能无法获取
- 实时变化的信息(如市场价格)有时效性风险
- 非英语信息源的覆盖可能不完整
- 置信度评估为定性判断,非统计概率
响应格式
{
"success": true,
"data": {
"result": "深度研究引擎处理结果",
"execution_time": "0.5s",
"metadata": {
"version": "1.0",
"processor": "in-depth-research"
}
},
"execution_log": [
"解析输入参数",
"执行核心处理",
"格式化输出结果"
],
"error": null
}
差异化分析
效率提升量化分析
| 操作步骤 | 手动耗时 | 自动化耗时 | 时间节约 | 准确率提升 |
|---|---|---|---|---|
| 范围界定 | 2小时 | 30分钟 | 1.5小时 | 15% |
| 多向量搜索 | 4小时 | 1小时 | 3小时 | 20% |
| 来源评估 | 6小时 | 1.5小时 | 4.5小时 | 18% |
| 迭代深化 | 8小时 | 2小时 | 6小时 | 22% |
| 结构化交付 | 2小时 | 0.5小时 | 1.5小时 | 10% |
| 总计 | 22小时 | 7.5小时 | 14.5小时 | 20% |
差异化对比
| 对比维度 | 本技能 | 手动操作 | Python脚本 | 专业软件 |
|---|---|---|---|---|
| 功能全面性 | 高 | 低 | 中 | 高 |
| 速度 | 快 | 慢 | 较快 | 快 |
| 精确度 | 高 | 低 | 中 | 高 |
| 易用性 | 高 | 低 | 中 | 高 |
| 成本 | 低 | 高 | 中 | 高 |
| 自动化程度 | 高 | 低 | 中 | 高 |
核心痛点解决
| 痛点 | 描述 | 影响范围 | 解决方案 | 量化效果 |
|---|---|---|---|---|
| 数据处理效率低 | 大量数据手动处理耗时且易出错 | 研究进度缓慢,错误率高 | 自动化处理,提高效率 | 时间节约20% |
| 信息过载 | 信息来源广泛,难以筛选 | 研究质量下降,决策依据不足 | 系统化评估,提高信息质量 | 研究质量提升15% |
| 结果不结构化 | 研究结果分散,难以整合 | 决策依据不完整 | 结构化输出,便于决策 | 决策效率提升10% |
安全提示
- API Key安全:确保API Key不被泄露,定期更换。
- 数据源安全:避免使用不安全的或不信任的数据源。
- 信息泄露风险:对敏感信息进行脱敏处理。
- 系统安全:定期更新系统,防止恶意攻击。
- 人员权限管理:限制对系统的高级访问权限,防止滥用。
安全风险防范
| 风险项 | 等级 | 防护措施 | 验证方法 |
|---|---|---|---|
| API密钥泄露 | 高 | 通过环境变量配置,禁止硬编码 | 定期检查代码和配置文件 |
| 命令执行风险 | 高 | 仅执行白名单命令,避免拼接用户输入 | 使用沙箱环境测试 |
| 网络通信安全 | 中 | 使用HTTPS协议,验证SSL证书 | 定期检查证书有效期 |
| 敏感数据暴露 | 高 | 输出结果中不包含密钥、令牌等敏感信息 | 日志脱敏审查 |
| 未授权访问 | 中 | 限制访问权限,实施认证机制 | 定期审计访问日志 |
功能优势
- 自动化执行: 多源深度调研,覆盖范围界定、多向量搜索、来源评估、迭代深化与结构化交付。系统化深度研究方法论,通过七步协议(Scope
- 文件处理: 支持多种文件格式的读取、解析和写入操作
- API集成: 通过标准化接口调用外部服务并处理响应
- 命令执行: 在安全沙箱中执行系统命令并收集结果
- 信息检索: 快速搜索和过滤目标数据
疑问与回应
Q1: 深度研究引擎支持哪些输入格式?
A1: 多源深度调研,覆盖范围界定、多向量搜索、来源评估、迭代深化与结构化交付。系统化深度研究方法论,通过七步协议(Scope → Search → Evaluate。支持文本指令和结构化参数输入,具体格式参考使用流程章节。
Q2: 需要配置API Key吗?
A2: 是的,部分功能需要配置对应平台的API Key。请在依赖说明章节查看具体要求,并通过环境变量安全配置。
Q3: 命令行执行失败怎么办?
A3: 检查命令参数是否正确,确认运行环境支持exec能力。如遇权限问题,请参照错误处理章节排查。
错误处理指南
针对深度研究引擎使用中可能遇到的常见问题,提供以下排查方案:
| 错误类型 | 原因分析 | 解决方案 |
|---|---|---|
| API认证失败(401) | API密钥错误或过期 | 检查密钥配置,重新生成token |
| 接口限流(429) | 请求频率超出限制 | 降低调用频率,启用重试退避策略 |
| 响应超时(504) | 网络延迟或服务端负载过高 | 增加超时阈值,检查网络连接 |
| 文件不存在 | 路径错误或文件未创建 | 检查路径拼写,确认文件已生成 |
| 文件格式不支持 | 扩展名不在支持列表中 | 转换为支持的格式后重试 |
| 权限不足 | 当前用户无读写权限 | 检查文件权限,以管理员身份运行 |
| 命令执行失败 | 参数错误或环境依赖缺失 | 检查命令语法,确认依赖已安装 |
| 进程超时 | 命令执行时间过长 | 增加超时设置,优化命令参数 |
| 网络连接失败 | DNS解析失败或防火墙拦截 | 检查网络配置,确认代理设置 |
深度研究引擎通用排查步骤
- 检查输入参数: 确认所有必填参数已提供且格式正确
- 查看日志输出: 定位具体错误行和异常类型
- 验证环境配置: 确认依赖库版本和运行环境满足要求
- 逐步调试: 缩小问题范围,隔离故障模块
依赖说明
运行环境
- Agent 平台: 支持SKILL.md的任意AI Agent
- 操作系统: Windows / macOS / Linux
可用性分类
- 分类: MD(纯Markdown指令,通过自然语言驱动Agent完成操作)
- 说明: 基于Markdown的AI Skill,通过自然语言指令驱动Agent完成操作。
Related skills
- Downloads
- Security audit
- Review
- Last updated
- 1mo ago
- Current version
- v1.0.0
- License
- MIT-0
